pandas.notna

pandas.notna(obj) [source]

Определение ненулевых значений для массивоподобного объекта.

Эта функция принимает скалярное или массивоподобное значение и указывает, являются ли значения допустимыми (не пропущенными, что является NaN в числовых массивах, None или NaN в массивах объектов, NaT в массивах datetimelike).

Параметры:	obj : array-like or object value Объект для проверки на отсутствие нулевых или пропущенных значений.
Возвращаемое значение:	bool или массивоподобный bool Для скалярного входного значения возвращает скалярное булевое значение. Для массивоподобного входного значения возвращает массив булевых значений, указывающий, является ли каждое соответствующее значение допустимым.

См. также

isna

Булевое обратное значение pandas.notna.

Series.notna

Обнаружение допустимых значений в Series.

DataFrame.notna

Обнаружение допустимых значений в DataFrame.

Index.notna

Обнаружение допустимых значений в Index.

Примеры

Скалярные аргументы (включая строки) приводят к скалярному булевому значению.

>>> pd.notna('dog')
True

>>> pd.notna(np.nan)
False

ndarrays приводят к ndarray булевых значений.

>>> array = np.array([[1, np.nan, 3], [4, 5, np.nan]])
>>> array
array([[ 1., nan,  3.],
       [ 4.,  5., nan]])
>>> pd.notna(array)
array([[ True, False,  True],
       [ True,  True, False]])

Для индексов возвращается ndarray булевых значений.

>>> index = pd.DatetimeIndex(["2017-07-05", "2017-07-06", None,
...                          "2017-07-08"])
>>> index
DatetimeIndex(['2017-07-05', '2017-07-06', 'NaT', '2017-07-08'],
              dtype='datetime64[ns]', freq=None)
>>> pd.notna(index)
array([ True,  True, False,  True])

Для Series и DataFrame возвращается тот же тип, содержащий булевы значения.

>>> df = pd.DataFrame([['ant', 'bee', 'cat'], ['dog', None, 'fly']])
>>> df
     0     1    2
0  ant   bee  cat
1  dog  None  fly
>>> pd.notna(df)
      0      1     2
0  True   True  True
1  True  False  True

>>> pd.notna(df[1])
0     True
1    False
Name: 1, dtype: bool